A Note on the Generalized Cape Cod Reserving Method

1. Enunciazione del Problema

La riserva per sinistri è un compito critico nell'assicurazione danni, che comporta la stima dei sinistri ultimi e la quantificazione dell'incertezza di previsione. Sebbene esistano framework stocastici e formule dell'Errore Quadratico Medio di Previsione (MSEP) per il metodo Chain-Ladder (CL) (ad esempio, il modello di Mack) e per il metodo Bornhuetter–Ferguson (BF), è mancata una formula analitica rigorosa dell'MSEP per il metodo Generalized Cape Cod (GCC).

• Il Divario: Il metodo GCC (e il suo predecessore, Cape Cod di Bühlmann) è ampiamente utilizzato nella pratica perché offre una via di mezzo tra i metodi CL, basati interamente sulle osservazioni, e i metodi BF, basati su priori. Tuttavia, i trattamenti stocastici esistenti (ad esempio, Saluz, 2017) o non si allineano con la stima dei parametri standard del settore (che utilizza pattern di sviluppo implicati dal CL) o mancano di un stimatore MSEP in forma chiusa che rispecchi il processo effettivo di accantonamento.
• La Sfida: I professionisti spesso accantonano le riserve utilizzando i metodi GCC o BF, ma riportano l'incertezza utilizzando la formula CL di Mack o il bootstrapping. Ciò crea una discrepanza: la quantificazione dell'incertezza si applica a un predittore diverso da quello effettivamente accantonato. Inoltre, gli stimatori MSEP del BF richiedono spesso specifiche probabilistiche esplicite dei rapporti sinistri/premio priori, che raramente sono formalizzati nei processi di pianificazione del settore.

2. Metodologia

Gli autori sviluppano un framework stocastico unificato per il metodo GCC utilizzando la tecnica di propagazione dell'errore (originariamente applicata da Röhr, 2018, al metodo CL).

A. Il Framework Generalized Cape Cod (GCC)

Il documento definisce il predittore GCC come una funzione dei fattori di sviluppo Chain-Ladder ($f_j$) e di un parametro di tendenza $\lambda \in [0, 1]$.

• Cape Cod (CC): Utilizza una media ponderata dei rapporti sinistri/premio osservati su tutti gli anni di accadimento per stimare un singolo rapporto sinistri/premio ($\kappa$), assumendo la stazionarietà.
• Estensione GCC: Introduce un fattore di ponderazione esponenziale $\lambda^{|i-l|}$ per consentire la tendenza. Ciò permette alla stima del rapporto sinistri/premio per l'anno di accadimento $i$ di dipendere più pesantemente dagli anni vicini, correggendo specifiche errate dell'esposizione o tendenze nella frequenza/severità.
• Casi Limite:
  • $\lambda = 0$: Il metodo GCC collassa nel metodo Chain-Ladder.
  • $\lambda = 1$: Il metodo GCC collassa nel metodo Cape Cod di Bühlmann.

B. Derivazione dell'Incertezza di Previsione (MSEP)

Il contributo tecnico principale è la derivazione dell'MSEP utilizzando l'espansione di Taylor del primo ordine (propagazione dell'errore) sulla scala logaritmica.

1. Decomposizione: L'MSEP totale è decomposto in Incertezza di Processo ($\Psi^2$) ed Errore di Stima dei Parametri ($\Delta^2$).
2. Analisi di Sensibilità: Gli autori trattano il predittore GCC come una funzione dei fattori di sviluppo CL ($f_j$). Calcolano la sensibilità del predittore GCC alle perturbazioni di questi fattori.
3. Soluzione in Forma Chiusa: Applicando il metodo di propagazione dell'errore, derivano una formula analitica in forma chiusa per l'errore di stima dei parametri ($\hat{\Delta}^2_{GCC}$) che è coerente con la pratica standard del settore di stimare i pattern di sviluppo utilizzando i fattori CL.

3. Contributi Chiave

1. Primo MSEP Analitico per GCC: Il documento fornisce la prima formula analitica in forma chiusa per l'incertezza di previsione del metodo Generalized Cape Cod.
2. Coerenza Metodologica: Lo stimatore MSEP derivato è pienamente coerente con le stime dei parametri implicite dal Chain-Ladder utilizzate nel settore. A differenza di tentativi precedenti (ad esempio, Saluz), che utilizzavano stime basate sulla verosimiglianza che si discostavano dalla pratica standard, questo approccio garantisce che la misura di incertezza corrisponda esattamente alle riserve accantonate dai professionisti.
3. Unificazione di CL e CC: Il framework dimostra che il metodo GCC interpola continuamente tra i metodi CL e CC. Di conseguenza, la formula MSEP derivata converge naturalmente a:
   • MSEP CL di Mack quando $\lambda \to 0$.
   • Un nuovo MSEP Cape Cod coerente quando $\lambda \to 1$.
4. Interpretazione di Credibilità: Il documento offre una riformulazione in termini di credibilità del predittore GCC, mostrandolo come una media ponderata di predittori CL su diversi anni di accadimento, aggiustata per i livelli di premio e la vicinanza temporale.

4. Risultati ed Esempio Numerico

Gli autori validano la loro teoria utilizzando un esempio numerico basato su dati standard di sinistri (Wüthrich–Merz).

• Sensibilità delle Riserve: All'aumentare di $\lambda$ da 0 (CL) a 1 (CC), le riserve stimate aumentano. Questo è dovuto al fatto che i dati presentano una tendenza temporale in cui i singoli rapporti sinistri/premio diminuiscono nel tempo; il metodo CL standard cattura questa tendenza, mentre il metodo CC (assumendo stazionarietà) la sovrastima mediando sulla tendenza.
• Componenti di Incertezza:
  • Errore di Stima dei Parametri ($\Delta^2$): Diminuisce all'aumentare di $\lambda$. Questo perché un $\lambda$ più alto si basa maggiormente sulla struttura "priori" (basata sui premi), riducendo la sensibilità del modello al rumore nelle osservazioni dei singoli anni di accadimento.
  • Incertezza di Processo ($\Psi^2$): Aumenta leggermente con $\lambda$ perché l'importo totale della riserva (il denominatore nel calcolo della varianza) cresce.
• $\lambda$ Ottimale: Nell'esempio, l'MSEP totale minimo si verifica intorno a $\lambda = 0.55$. Tuttavia, gli autori avvertono che la minimizzazione dell'MSEP non garantisce il modello "vero" ottimale, poiché l'MSEP è sensibile alle assunzioni del modello.
• Confronto con Saluz (2017): Il documento evidenzia che le riserve CC di Saluz sono più alte e il suo MSEP è diverso perché utilizza un metodo di stima diverso per il pattern di sviluppo. L'approccio degli autori si allinea allo standard del settore (pattern implicati dal CL), risultando in stime di riserve più basse e realistiche per questo specifico insieme di dati.

5. Significato e Implicazioni Pratiche

• Colmare il Divario: Questo lavoro colma un significativo vuoto nella letteratura fornendo un modello stocastico per il GCC che corrisponde all'algoritmo deterministico utilizzato nella pratica.
• Proxy per Bornhuetter–Ferguson: Poiché il metodo GCC è spesso utilizzato come proxy algoritmico robusto per il metodo BF (sostituendo il priori soggettivo con una media ponderata di rapporti implicati dal CL), questo stimatore MSEP fornisce efficacemente una misura rigorosa dell'incertezza per la riserva di tipo BF senza richiedere la specifica probabilistica difficile da definire di un rapporto sinistri/premio priori.
• Utilità Regolamentare e Gestionale: L'MSEP derivato permette alle assicurazioni di riportare un'incertezza di previsione matematicamente coerente con le loro riserve accantonate. Ciò è cruciale per la reporting di solvibilità (ad esempio, IFRS 17, Solvency II) e per il processo decisionale gestionale, sostituendo l'attuale pratica di utilizzare l'incertezza CL di Mack (che si applica a un predittore diverso) o fattori di scala ad hoc.

In sintesi, Richman e Wüthrich estendono con successo il framework di riserva stocastico al metodo Generalized Cape Cod, fornendo uno strumento robusto in forma chiusa per quantificare l'incertezza di previsione direttamente applicabile alle pratiche reali di riserva assicurativa.